胎儿 MR 图像中颅内体积的自动分割
计算机视觉与模式识别
2017-08-09 v1
摘要
胎儿 MR 图像能够实现对胎儿大脑的无创分析。胎儿大脑发育的定量分析需要自动的脑组织分割，而该步骤通常以颅内体积（ICV）的分割为前提。这是一项具有挑战性的任务，因为胎儿 MR 图像不仅显示整个运动的胎儿，还部分显示母体身体。本文提出了一种在胎儿 MR 图像中自动分割 ICV 的方法。该方法在2D切片上采用多尺度卷积神经网络，从而能够从较大的上下文中学习空间信息以及详细的局部信息。该方法的开发和评估使用了30例胎儿 T2 加权 MRI 扫描（平均胎龄 周）。该数据集包含 例轴位扫描、 例冠状位扫描和 例矢状位扫描。在所有图像中，通过在 个等距分布的切片上手动标注颅内体积来定义参考标准。自动分析通过使用代表性成像平面获取的扫描来训练和测试网络，以及组合来自所有成像平面的训练数据来进行。平均而言，该自动方法在轴位图像上实现了 0.90 的 Dice 系数，在冠状位图像上为 0.90，在矢状位图像上为 0.92。组合训练集后，轴位图像的平均 Dice 系数为 0.91，冠状位图像为 0.95，矢状位图像为 0.92。结果表明，无论成像平面如何，所评估的方法在提取胎儿 MR 扫描中的 ICV 方面均取得了良好的性能。
引用
@article{arxiv.1708.02282,
title = {Automatic segmentation of the intracranialvolume in fetal MR images},
author = {N. Khalili and P. Moeskops and N. H. P. Claessens and S. Scherpenzeel and E. Turk and R. de Heus and M. J. N. L. Benders and M. A. Viergever and J. P. W. Pluim and I. Išgum},
journal= {arXiv preprint arXiv:1708.02282},
year = {2017}
}